918498_de-DE

liliconcom

Benutzerdefinierte Wünschenswürdigkeit in der Bayes'schen Optimierung

Ich versuche, in JMP Pro eine Bayes'sche Optimierung mit mehreren Zielgrößen durchzuführen. Entschuldigung, falls das eine dumme Frage ist, aber wie kann ich benutzerdefinierte Zielgrößen für jede Zielgröße festlegen und diese über mehrere Iterationen hinweg beibehalten? Wenn ich „Zielgrößen festlegen“ verwende, ist nicht klar, ob diese in den Auswahlprozess für die Ausführung/den Batch oder in weitere Bayes'sche Optimierungsiterationen übernommen werden.

Prädiktive Modellierung und maschinelles LernenBetreff: Benutzerdefinierte Wünschbarkeit in der Bayes'schen Optimierung

Hallo @OliverPickburn ,

Sobald Sie die gewünschten Ergebnisse Ihrer Antworten festgelegt oder geändert haben, können Sie die Option „Wünsche speichern“ im roten Dreieck neben dem Erweiterter Vorhersage-Profiler (oder neben einem beliebigen Profiler) verwenden:

• Ausgangssituation mit wünschenswerten Aspekten:
  
  Der mit dem Standardwert „Maximale erwartete Verbesserung“ hinzugefügte Lauf weist folgende Faktorwerte auf:
  

• Wenn ich die Wünschbarkeit von MODULUS so ändere, dass sie minimiert wird, dann die Wünschbarkeiten speichere und die Plattform mit denselben Einstellungen neu starte:
  

  Der standardmäßig hinzugefügte Lauf hat sich geändert:

  

Um Ihre Frage also vollständig zu beantworten: Eine Änderung der Wünschbarkeitskriterien ändert nicht die Menge der Kandidaten, die zur Rangfolge der in den nächsten Iterationen zu testenden Punkte erstellt werden, sondern sie ändert die Rangfolge und Auswahl der Punkte, da diese mit der Akquisitionsfunktion und den Wünschbarkeitsfunktionen verknüpft ist.

Ähnlich wie bei Versuchsplanungen (DoEs) nutzt die Plattform für Bayes'sche Optimierung verschiedene Metadaten/Informationen aus den Spalteneigenschaften (Codierung, Designrolle, Antwortgrenzen usw.) oder dem Tabellenskript (Beschränkungen usw.).

Ich hoffe, meine Antwort ist verständlich.

Betreff: Benutzerdefinierte Wünschbarkeit in der Bayes'schen Optimierung

Clear Victor und vielen Dank für die Antwort.

Es wirkt angesichts des Fokus von BayesOpt auf Optimierung etwas umständlich, aber es funktioniert und damit kann ich leben. Ich muss nur daran denken, in Zukunft die Antwortgrenzen vor dem Start der Plattform festzulegen.

Danke noch einmal

Oliver